在主成分分析中，一般将单个主成分解释方差比例大于1且累积解释比例达到80%-90%之间，作为主成分个数的保留原则。

在主成分分析（PCA）中，主成分的个数通常是由D: 解释方差比例来确定的。

专业分析：
主成分分析的目的是通过线性变换将原始变量转化为一组新的互相独立的变量（即主成分），这些主成分按解释的方差大小排序。选择主成分的个数时，通常会考虑每个主成分对总方差的解释程度。以下是几种常见的方法：

1. **累计解释方差比例**：通常选择累计解释方差比例达到某个阈值（如80%或90%）的前几个主成分。这个方法确保选择的主成分能够解释大部分的总方差。

2. **碎石图（Scree Plot）**：绘制各主成分的特征值（解释的方差量）图，选择特征值在图中出现“肘部”（即特征值显著下降的点）之前的主成分个数。

3. **Kaiser准则**：选择特征值大于1的主成分。特征值大于1意味着该主成分解释的方差超过了一个单独变量的方差。

因此，正确答案是D: 解释方差比例，因为这是确定主成分个数的主要依据。